arXiv · cs.AI· Alham Fikri Aji·· 25 天前AI 评分48
HyperBrowseComp：面向网页浏览智能体的多语言多模态压力测试基准
HyperBrowseComp: A Multilingual and Multimodal Stress Test for Web-Browsing Agents
来源与原文
arXiv · cs.AI
作者：Alham Fikri Aji
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.03574v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出浏览智能体基准 HyperBrowseComp，包含 423 道人工编写并经人工校验的题目，覆盖 13 种语言，答案需通过多步线索链或检查视频、扫描文档、图像、地图等异构证据才能得出。团队在统一智能体协议下用厂商原生搜索与共享外部检索工具评估多个模型，并对部分题目做了人类评测作对照。
来源：arXiv · cs.AI · arxiv.org